基于数据填补-机器学习的煤与瓦斯突出预测效果研究

作者：陈利成; 陈建宏

来源：中国安全生产科学技术, 2022, 18(09): 69-74.

• 煤与瓦斯突出
• 预测
• 多重插补(MI)
• 随机森林填补(MF)
• 机器学习

为解决煤与瓦斯突出事故数据集少，数据缺失严重的问题，提出将多重插补(MI)和随机森林填补(MF)应用于填补缺失参数，并将填补前和填补后的数据输入SVM,ELM,RF 3种机器学习算法进行训练，构建9种耦合模型。采用总体准确率、局部准确率、运行时间这3种指标评价模型性能。研究结果表明：采用数据填补算法后，由于训练样本增大，煤与瓦斯突出事故预测的总体准确率提高，运行时间增长；MF-RF模型的总体准确率与事故预测准确率最高，分别为97.90%和98.93%;RD-ELM模型的运行时间最短，为0.24 s;多重插补使得煤与瓦斯突出预测的总体准确率提高0.98%～1.11%,随机森林填补总体准确率提高5.13%～7.50%,随机森林填补的效果好于多重插补。